Planetscope uydu verileri kullanılarak farklı veri kümelerinin arazi örtüsü sınıflandırmasındaki etkisinin araştırılması
Investigating the effect of different datasets on land cover classification using planetscope satellite data
- Tez No: 899338
- Danışmanlar: DOÇ. DR. GORDANA KAPLAN
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Bilim Dalı
- Sayfa Sayısı: 102
Özet
Arazi örtüsü sınıflandırma işlemi, görüntüdeki farklı özelliklerin veya objelerin belirlenmesi sağlayacak kantitatif karar fonksiyonlarını belirlemektedir. Bu kapsamda yüksek lisans tezinde 3m çözünürlüğe sahip PlanetScope (PL) uydu verileri kullanılarak iki farklı çalışma alanında (Adana-Karataş ve Ağrı-Doğubeyazıt) farklı veri kümelerinin arazi örtüsü sınıflandırmasındaki etkisi araştırılmıştır. Bu çalışmadaki görüntü işleme, görselleştirme işlemleri Google Earth Engine (GEE) platformunda gerçekleştirilmiştir. Makine öğrenme algoritması Random Forest (RF) kullanılarak kontrollü sınıflandırma işlemi yapılmıştır. Sınıflandırma sonucunda, arazi örtüsü sınıflarına ait kullanıcı ve üretici doğrulukları hesaplanmıştır. Veri kümelerinden elde edilen sonuçlar Karataş çalışma alanı için veri kümesi-1 de genel doğruluk (OA) değeri 0.76 ve genel kappa (OK) değeri 0,72 ölçülürken veri kümesi-8 de OA değeri 0.84 ve OK değeri 0,81 olarak yüksek doğruluk değerine ulaşılmıştır. Doğubeyazıt alanı için veri kümesi-1 de OA değeri 0.74 ve OK değeri 0.67 değerleri ölçülürken veri kümesi-9 da OA değeri 0.85 ve OK değeri 0.81 olarak yüksek doğruluk değerine ulaşılmıştır. Son olarak veri kümelerinde yer alan bantların ve indekslerin önem değerleri hesaplanmıştır. Arazi örtüsü sınıflandırmasında karar verilen uydu görüntüsü, arazi örtüsü sınıf cinsi ve farklı veri kümelerine bağlı seçim yapmanın kritik olabileceği görülmektedir.
Özet (Çeviri)
Land cover classification process determines quantitative decision functions that will provide the determination of different features or objects in the image. In this context, in this master's thesis, the effect of different datasets on land cover classification was investigated in two different study areas (Adana-Karataş and Ağrı-Doğubeyazıt) using PlanetScope (PL) satellite data with 3m resolution. Image processing and visualization processes in this study were performed on the Google Earth Engine (GEE) platform. Controlled classification process was performed using the machine learning algorithm Random Forest (RF). As a result of the classification, user and producer accuracies of land cover classes were calculated. The results obtained from the datasets showed that while the general accuracy (OA) value was measured as 0.76 and the general kappa (OK) value as 0.72 for the Karataş study area in dataset-1, the OA value was measured as 0.84 and the OK value as 0.81, which achieved a high accuracy value in dataset-8. While the OA value was measured as 0.74 and OK value as 0.67 in dataset-1 for Doğubeyazıt area, the OA value was 0.85 and OK value as 0.81 in dataset-9, high accuracy value was achieved. Finally, the importance values of the bands and indices in the datasets were calculated. It is seen that making a choice depending on the satellite image, land cover class type and different datasets decided on in land cover classification can be critical
Benzer Tezler
- Development of a fusion methodology for flood mapping using SAR and optical satellite data
SAR ve optik uydu verileri kullanılarak taşkın haritalaması için füzyon yöntemi geliştirilmesi
BESTE TAVUS
Doktora
İngilizce
2023
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. SULTAN KOCAMAN
- Akgöl Sulak Alanı'nın yüksek çözünürlüklü uydu görüntüleri ile incelenmesi
Observation of Akgol Wetland with high spatial resolution satellite images
AYLİN TUZCU
Yüksek Lisans
Türkçe
2019
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
- High-resolution soil salinity mapping using machine learning based regression and classification methods
Makine öğrenimi tabanlı regresyon ve sınıflandırma yöntemlerini kullanarak yüksek çözünürlüklü toprak tuzluluğu haritalaması
AYLİN YILDIRIM
Yüksek Lisans
İngilizce
2021
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Makine öğrenimi tabanlı sınıflandırma yöntemleri kullanılarak çay bahçelerinin belirlenmesi
Identifying tea gardens using machine learning based classification methods
BURCU SÜSLÜ ALGÜR
Yüksek Lisans
Türkçe
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Optik ve radar uydu görüntüleri kullanılarak zeytinin farklı fenolojik dönemlerindeki özelliklerinin araştırılması
Properties determination of olive at different phenological periods by using optical and radar satellite images
MEHMET CENGİZ ARSLANOĞLU
Doktora
Türkçe
2019
ZiraatTekirdağ Namık Kemal ÜniversitesiBiyosistem Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK ALBUT